期刊导航
期刊开放获取
vip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
混合深层协同过滤的SVD++推荐方法
被引量：
3
1
作者
汪赫瑜
夏航
任建华
《辽宁工程技术大学学报（自然科学版）》
CAS
北大核心
2020年第6期524-532,共9页
为抑制辅助信息在推荐模型中各个方向的扰动并考虑使用文本信息提取项目特征,提出一种矩阵分解模型,混合深层协同过滤的SVD++推荐方法.该模型将附加栈式降噪自编码器和堆叠的收缩降噪自编码器与辅助信息相结合,分别提取用户和项目的潜...
为抑制辅助信息在推荐模型中各个方向的扰动并考虑使用文本信息提取项目特征,提出一种矩阵分解模型,混合深层协同过滤的SVD++推荐方法.该模型将附加栈式降噪自编码器和堆叠的收缩降噪自编码器与辅助信息相结合,分别提取用户和项目的潜在特征表示,并在提取项目特征表示时加入预训练的词嵌入模型考虑词语之间的语义关系.在数据集MovieLens-1M与MovieLens-10M的实验.结果表明:相比于传统算法、深度学习算法以及所提模型的变体,所提模型更有效地提取潜在特征表示并提高预测评分精度.
展开更多
关键词
推荐系统
深度学习
附加栈式降噪自编码器
收缩降噪自编码器
矩阵分解
原文传递
融合注意力LSTM的协同过滤推荐算法
被引量：
10
2
作者
罗洋
夏鸿斌
刘渊
《中文信息学报》
CSCD
北大核心
2019年第12期110-118,共9页
针对传统协同过滤算法难以学习深层次用户和项目的隐表示,以及对文本信息不能充分提取单词之间的前后语义关系的问题,该文提出一种融合辅助信息与注意力长短期记忆网络的协同过滤推荐模型。首先,附加堆叠降噪自编码器利用评分信息和用...
针对传统协同过滤算法难以学习深层次用户和项目的隐表示,以及对文本信息不能充分提取单词之间的前后语义关系的问题,该文提出一种融合辅助信息与注意力长短期记忆网络的协同过滤推荐模型。首先,附加堆叠降噪自编码器利用评分信息和用户辅助信息提取用户潜在向量;其次,基于注意力机制的长短期记忆网络利用项目辅助信息来提取项目的潜在向量;最后,将用户与项目的潜在向量用于概率矩阵分解中,从而预测用户偏好。在两个真实数据集MovieLens-100k和MovieLens-1M上进行实验,采用RMSE和Recall指标进行评估。实验结果表明,该模型与其他相关推荐算法相比在推荐性能上有所提升。
展开更多
关键词
注意力机制
长短期记忆网络
推荐系统
附加堆叠降噪自编码器
协同过滤
在线阅读
下载PDF
职称材料
题名
混合深层协同过滤的SVD++推荐方法
被引量：
3
1
作者
汪赫瑜
夏航
任建华
机构
辽宁工程技术大学电子与信息工程学院
出处
《辽宁工程技术大学学报（自然科学版）》
CAS
北大核心
2020年第6期524-532,共9页
基金
国家自然科学基金(61772249)
文摘
为抑制辅助信息在推荐模型中各个方向的扰动并考虑使用文本信息提取项目特征,提出一种矩阵分解模型,混合深层协同过滤的SVD++推荐方法.该模型将附加栈式降噪自编码器和堆叠的收缩降噪自编码器与辅助信息相结合,分别提取用户和项目的潜在特征表示,并在提取项目特征表示时加入预训练的词嵌入模型考虑词语之间的语义关系.在数据集MovieLens-1M与MovieLens-10M的实验.结果表明:相比于传统算法、深度学习算法以及所提模型的变体,所提模型更有效地提取潜在特征表示并提高预测评分精度.
关键词
推荐系统
深度学习
附加栈式降噪自编码器
收缩降噪自编码器
矩阵分解
Keywords
recommender systems
deep learning
additional
stacked
denoising
autoencoder
(
asdae
)
contractive
denoising
autoencoder
(CDAE)
matrix factorization
分类号
TP391.3 [自动化与计算机技术—计算机应用技术]
原文传递
题名
融合注意力LSTM的协同过滤推荐算法
被引量：
10
2
作者
罗洋
夏鸿斌
刘渊
机构
江南大学数字媒体学院
江苏省媒体设计与软件技术重点实验室
出处
《中文信息学报》
CSCD
北大核心
2019年第12期110-118,共9页
基金
国家科学支撑计划课题(2015BAH54F01)
国家自然科学基金(61672264)
文摘
针对传统协同过滤算法难以学习深层次用户和项目的隐表示,以及对文本信息不能充分提取单词之间的前后语义关系的问题,该文提出一种融合辅助信息与注意力长短期记忆网络的协同过滤推荐模型。首先,附加堆叠降噪自编码器利用评分信息和用户辅助信息提取用户潜在向量;其次,基于注意力机制的长短期记忆网络利用项目辅助信息来提取项目的潜在向量;最后,将用户与项目的潜在向量用于概率矩阵分解中,从而预测用户偏好。在两个真实数据集MovieLens-100k和MovieLens-1M上进行实验,采用RMSE和Recall指标进行评估。实验结果表明,该模型与其他相关推荐算法相比在推荐性能上有所提升。
关键词
注意力机制
长短期记忆网络
推荐系统
附加堆叠降噪自编码器
协同过滤
Keywords
attention mechanism
long short-term memory
recommended system
additional
stacked
denoising
autoencoder
collaborative filtering
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
混合深层协同过滤的SVD++推荐方法
汪赫瑜
夏航
任建华
《辽宁工程技术大学学报（自然科学版）》
CAS
北大核心
2020
3
原文传递
2
融合注意力LSTM的协同过滤推荐算法
罗洋
夏鸿斌
刘渊
《中文信息学报》
CSCD
北大核心
2019
10
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
